Tipos de ambigüedad

En cualquier idioma, hay dos tipos de ambigüedades:

• Ambigüedad General: el tipo de ambigüedad que realmente puede tener dos o más significados o interpretaciones es comparativamente infrecuente. En estos casos Discovery debe preguntar al usuario, ya que no podemos esperar que las computadoras resuelvan tales ambigüedades mejor de lo que lo haría un ser humano.
• Ambigüedad Computadora: extremadamente común, es el tipo de ambigüedad que es muy clara para los seres humanos, pero que haría que una computadora—a pesar de todo su poder de procesamiento—detectara dos o más posibles significados o interpretaciones, algunas de las cuales pudieran rayar en lo ridículo.

Esto se debe exclusivamente a que la computadora carece totalmente de conciencia humana, no sólo en cuanto a lo que los conceptos en las palabras de una oración representan, sino también en cuanto al contexto en el cual se expresa un enunciado en un intercambio verbal. Se puede utilizar muchas estrategias para superar esta deficiencia, tales como restricciones sintácticas, la frecuencia en el contexto, restricciones de selección (restricciones semánticas), reglas de "actualidad", estructura paralela, conocimiento mundial, coherencia textual e intención del orador.

Para las ambigüedades que requerirían del usuario, Discovery simplemente limitaría todas las interpretaciones posibles a unas pocas aplicables a partir de las cuales el usuario pudiera elegir. Sin embargo, se ha encontrado en la práctica que mientras más se ha refinado la programación, más se han superado las deficiencias de Discovery para imitar las habilidades humanas.

Estos dos tipos de ambigüedad caen bajo otro conjunto de categorías, las cuales se complementan con ejemplos, algunas de los cuales han sido resueltos:

• Léxica, en la que más de un significado se puede aplicar a una o más palabras

La pila está llena (un recipiente de agua o un pequeño generador químico de electricidad) (general)

Tengo una hija buena. Aunque bueno puede significar útil o funcional (es un buen martillo), ejemplar (es una buena estudiante), agradable (la sopa está buena), que tiene honradez (es una buena persona), o que tiene un buen tipo (su novio está muy bueno), Discovery puede minimizar las definiciones aplicables con base en las combinaciones válidas de categorías léxicas de buena. Es decir, puede limitarse a las categorías léxicas de sustantivos que puedan ser modificados por el adjetivo buena.

• Sintáctica, en la que el análisis sintáctico de los enunciados puede producir más de un diagrama de árbol, es decir, puede ser diagramada en más de una forma.

º Por conjunto de frases, en la que la sucesión de frases preposicionales puede modificar a más de un sustantivo, ya sea que este sea precedido de forma inmediata o no.

María comió una ensalada con espinacas de California en el almuerzo del martes. (computadora) Discovery encuentra una combinación de categorías léxicas que se ajusta a aquellas asignadas a verbos, sintagmas nominales que funcionan como objeto, y frases preposicionales. Con base en esta combinación, en contexto, una o más definiciones son aplicables para cada palabra a la cual se le asigna una categoría léxica: comer: verbo.consumo ensalada: sustantivo.comida con espinacas: preposición.acompañamiento + sustantivo.comida de California: preposición.fuente + sustantivo.ubicación en el almuerzo: preposición.relaciónTemporal + sustantivo.comida del martes: preposición.relaciónTemporal + sustantivo.tiempo La combinación también especifica dentro de una frase preposicional cuáles sintagmas nominales que funcionan como objeto son modificados por otros: comer [ ensalada { ( con espinacas ) ( de California ) } { ( en el almuerzo ( del martes ) ) } ] Otra interpretación válida podría ser que la ensalada podría ser de California, pero al menos todas las combinaciones posibles o diagramas de árbol de análisis sintáctico se limitarían sólo a estos dos resultados válidos.

º Conjunción, en la cual un sustantivo puede estar unido por una conjunción a más de un sustantivo, ya sea de forma inmediata o remota

María comió una ensalada con espinacas de California en el almuerzo del martes y (del) miércoles. (computadora) Resuelta con la misma estrategia anterior, pero en la cual las categorías léxicas idénticas, además, son encontradas por dos sustantivos o frases preposicionales consecutivas: del martes: preposición.relaciónTemporal + sustantivo.tiempo del miércoles: (preposición.relaciónTemporal + sustantivo.tiempo

º Estructura Grupal de Sustantivos, en la que una sucesión de sustantivos puede modificar a más de un sustantivo, ya sea por precesión inmediata o remota.

Esta ambigüedad existe en inglés, pero no parece existir en español.

• Semántica, en la cual no queda clara dentro de un enunciado la clase a la que pertenece un sustantivo, o la relación entre dos o más sustantivos presentes en una acción o estado.

Lucy es dueña de un loro (cuantificado existencialmente) que es más grande que un gato (ya sea universalmente cuantificado o "gatos típicos"). (computadora) Resuelta mediante la imposición de restricciones de clase de artículos a los sustantivos evaluados dentro de las reglas particulares de definición.

• Anafórica, en el que un pronombre puede sustituir a más de un sustantivo.

Margarita invitó a Susana a una visita, y ella (Margarita) le (Susana) un buen almuerzo. (computadora)
Margarita invitó a Susana a una visita, pero ella (Susana) le (Margarita) que ella (Susana/Margarita) tenía que ir a trabajar. (computadora)
En el tren a Boston, Jorge habló con otro pasajero. El hombre (otro pasajero) resultó ser un jugador profesional de hockey. (computadora)
Guillermo dijo a Alma que había decidido pasar un año en Italia para estudiar arte. (computadora) Eso (el arte) sería la obra de su vida (computadora) Después de terminarlo (pasar un año en Italia), iba a volver y se casaría con ella. (computadora) Eso (la decisión) fue el resultado de pensar la noche anterior. (computadora) Eso (decirle a Alma) causó una pelea de cuatro horas. (computadora)

Aún pendiente de resolver en un evento posterior.

VerbNet

VerbNet es otro sistema de referencia de palabras creado en el Departamento de Ciencias de la Computación de la Universidad de Colorado en Boulder, bajo la dirección de la profesora de lingüística Martha Palmer.

VerbNet ordena 8419 definiciones de 6818 verbos en inglés en 270 clases diferentes que comparten estructuras de enunciados comunes. Su diseño se basa principalmente en las clases de Levin, una clasificación del significado de los verbos, y las Gramática de Adjunción de Árboles, iniciada por el Instituto de Investigación en Ciencia Cognitiva de la Universidad de Pennsylvania.

Para cada estructura de la frase, VerbNet ofrece

• una sintaxis—la estructura misma, incluyendo una descripción de cada tipo de palabra que utiliza, y
• la semántica—una expresión de uno o más predicados lógicos. Esta expresión describe el acontecimiento o idea que se supone que la estructura comunica, dado el subconjunto limitado de verbos que puede utilizar.

Las clases verbales de Levin, sobre el cual se basa VerbNet, sirve para establecer las reglas por las cuales Discovery determina los roles que las palabras—principalmente sustantivos, verbos y preposiciones—desempeñan en el evento o afirmación expresado en el enunciado. VerbNet lo hace a dos niveles: primero, a nivel de patrones básicos de categorías morfosintácticas, y, segundo, a nivel de una sintaxis extendida mucho más específica, que determina qué sustantivo aplicar de acuerdo con el sentido del verbo. Por ejemplo,

Estas relaciones proporcionan los medios con los cuales Discovery es capaz de crear una estructura de árbol a partir del diagrama gramatical de un enunciado, y de este modo establece tanto la manera en que cada palabra se relaciona con las demás, como las definiciones aplicables a cada palabra en el contexto del enunciado (un proceso llamado desambiguación del sentido de la palabra).